院内心停止転帰の予測 (PREDIHCA)

院内心血管停止は、入院患者の最も一般的な死因の 1 つです。 心血管停止の壁外のケースとは対照的に、入院患者は蘇生の結果に影響を与える可能性のある重篤な病状を抱えていることがよくあります。 それにもかかわらず、蘇生措置と事前定義された蘇生基準が急速に開始されることが多いため、蘇生による生存率は病院の外よりも優れています。 定期的な CPR トレーニングと、すべてのベッドサイド ユニットでの除細動器の利用可能性も、結果にプラスの影響を与える可能性があります。 これらの多くの努力にもかかわらず、特に神経学的転帰が良好な患者の生存率は、近年、病院内でも低いレベルで安定しており、改善されていません.

現在、ほとんどの結果パラメータはよく知られています。 （例えば、初期リズム、年齢、早期除細動など）それにもかかわらず、対応する要因が実際にどの程度関連しているか、特に相互に関連して、今日でもまだわかっていません。 これに対するアプローチの 1 つは、「ランダム フォレスト」などの機械学習手法であり、予測モデルを作成できる可能性があります。 ただし、これは現在まで試みられていません。

この研究の仮説は、機械学習手法「ランダム フォレスト」を使用して、院内蘇生法で生存する確率を正確に予測できるかどうか、および特に関連する結果パラメータを特定できるかどうかを調べることです。

設計: ケプラー大学病院の蘇生記録に記録されたすべてのデータ セットのレトロスペクティブ データ分析。

対策と手順: 欠落データや心肺蘇生チームの誤報がないかレジストリを確認し、必要に応じてこれらのデータ セットを除外する。機械学習手法のランダム フォレストを使用したデータ セットの評価。